論文の概要: A Review of Critical Features and General Issues of Freely Available mHealth Apps For Dietary Assessment

• arxiv url: http://arxiv.org/abs/2008.09883v4
• Date: Sun, 11 Jul 2021 15:03:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-05 05:59:00.594244
• Title: A Review of Critical Features and General Issues of Freely Available mHealth Apps For Dietary Assessment
• Title（参考訳）: 食事アセスメントのための無料mhealthアプリの批判的特徴と一般課題
• Authors: Ghalib Ahmed Tahir, Chu Kiong Loo, Foong Ming Moy and Nadine Kong
• Abstract要約: エビデンスによると、食事関連のモバイルアプリケーションは、個人がより健康的な選択をするのを助ける上で重要な役割を担っている。 本研究の目的は,アプリケーションのユーザビリティを向上または損なう重要な特徴や問題を明らかにするために,既存の食事アプリケーションについて,長期にわたってレビューすることである。
• 参考スコア（独自算出の注目度）: 2.007262412327553
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Obesity is known to lower the quality of life substantially. It is often associated with increased chances of non-communicable diseases such as diabetes, cardiovascular problems, various cancers, etc. Evidence suggests that diet-related mobile applications play a vital role in assisting individuals in making healthier choices and keeping track of food intake. However, due to an abundance of similar applications, it becomes pertinent to evaluate each of them in terms of functionality, usability, and possible design issues to truly determine state-of-the-art solutions for the future. Since these applications involve implementing multiple user requirements and recommendations from different dietitians, the evaluation becomes quite complex. Therefore, this study aims to review existing dietary applications at length to highlight key features and problems that enhance or undermine an application's usability. For this purpose, we have examined the published literature from various scientific databases of the PUBMED, CINAHL (January 2010-December 2019) and Science Direct (2010-2019). We followed PRISMA guidelines, and out of our findings, fifty-six primary studies met our inclusion criteria after identification, screening, eligibility and full-text evaluation. We analyzed 35 apps from the selected studies and extracted the data of each of the identified apps.Following our detailed analysis on the comprehensiveness of freely available mHealth applications, we specified potential future research challenges and stated recommendations to help grow clinically accurate diet-related applications.
• Abstract（参考訳）: 肥満は生活の質を著しく低下させることが知られている。 糖尿病、心血管疾患、様々ながんなどの非感染性疾患の頻度の増加と関連していることが多い。 食事関連のモバイルアプリケーションは、個人の健康的な選択や食物摂取の追跡を支援する上で重要な役割を担っているという証拠がある。 しかし、類似したアプリケーションが豊富にあるため、機能、ユーザビリティ、および設計上の問題の観点からそれぞれを評価し、将来に向けて最先端のソリューションを真に決定することが重要になる。 これらのアプリケーションは、異なる食生活者からの複数のユーザー要求とレコメンデーションを実装しているため、評価は非常に複雑になる。 そこで本研究では,既存の食事用アプリケーションについて検討し,アプリケーションのユーザビリティを損なうおそれのある重要な特徴と問題点を強調する。 本研究は, PUBMED, CINAHL (2010年1月～2019年12月) およびScience Direct (2010-2019年) の各種学術データベースから, 論文の公開について検討した。 我々はPRISMAガイドラインに従い,本研究の結果から,同定,スクリーニング,適性,全文評価の56%が包括的基準を満たした。 選択した研究から35のアプリを分析し,特定した各アプリのデータを抽出した。自由に利用可能なmhealthアプリケーションの包括性に関する詳細な分析を行った結果,今後の研究課題を特定し,臨床的に正確な食事関連アプリケーションを開発するための推奨事項を述べた。

関連論文リスト

• Comprehensive and Practical Evaluation of Retrieval-Augmented Generation Systems for Medical Question Answering [70.44269982045415]
  Retrieval-augmented Generation (RAG) は,大規模言語モデル (LLM) の性能向上のための有望なアプローチとして登場した。 医療用QAデータセットに様々な補助的要素を提供するMedRGB(MedRGB)を導入する。 実験結果から,検索した文書のノイズや誤情報の処理能力に限界があることが判明した。
  論文  参考訳（メタデータ） (2024-11-14T06:19:18Z)
• NutrifyAI: An AI-Powered System for Real-Time Food Detection, Nutritional Analysis, and Personalized Meal Recommendations [14.036206693783198]
  本稿では,先進的なコンピュータビジョン技術と栄養分析を組み合わせた総合システムを提案する。 予備的な結果は、即時かつ正確な食事の洞察を提供することによって、システムの有効性を示し、食品認識精度は80%近くである。
  論文  参考訳（メタデータ） (2024-08-20T04:18:53Z)
• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
  本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• NutritionVerse-Direct: Exploring Deep Neural Networks for Multitask Nutrition Prediction from Food Images [63.314702537010355]
  自己申告法はしばしば不正確であり、重大な偏見に悩まされる。 近年、食品画像から栄養情報を予測するためにコンピュータビジョン予測システムを用いた研究が進められている。 本稿では,様々なニューラルネットワークアーキテクチャを活用することにより,食事摂取量推定の有効性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-05-13T14:56:55Z)
• De-identification of clinical free text using natural language processing: A systematic review of current approaches [48.343430343213896]
  自然言語処理は、その非識別プロセスの自動化の可能性を繰り返し示してきた。 本研究の目的は,過去13年間に臨床自由テキストの非識別化が進展したことを示す体系的な証拠を提供することである。
  論文  参考訳（メタデータ） (2023-11-28T13:20:41Z)
• NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [59.38343165508926]
  食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。 最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。 我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。 また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
  論文  参考訳（メタデータ） (2023-09-14T13:29:41Z)
• A Food Recommender System in Academic Environments Based on Machine Learning Models [3.42658286826597]
  Decision Tree, k-Nearest Neighbors (kNN), AdaBoost, Baggingなどの機械学習モデルについて, 食品レコメンデーションシステムの分野で検討した。 AdaBoostモデルは73.70%の精度で最高性能である。
  論文  参考訳（メタデータ） (2023-06-26T11:43:37Z)
• Food Recognition and Nutritional Apps [0.0]
  食品認識と栄養アプリ(英語版)は、糖尿病患者が食事を管理する方法に革命をもたらすかもしれないトレンド技術である。 これらのアプリは糖尿病を管理するための有望なソリューションを提供するが、患者が使うことはめったにない。 本章は、食品の認識と栄養に関するアプリの現状を詳細に評価し、使用を阻害または促進する要因を特定することを目的としている。
  論文  参考訳（メタデータ） (2023-06-20T13:23:59Z)
• Vision-Based Food Analysis for Automatic Dietary Assessment [49.32348549508578]
  本総説では, 食品画像分析, 容積推定, 栄養素抽出の3段階からなる, 統合型ビジョンベース食事評価(VBDA)の枠組みを概説する。 深層学習により、VBDAは徐々にエンドツーエンドの実装へと移行し、単一のネットワークに食品画像を適用して栄養を直接見積もる。
  論文  参考訳（メタデータ） (2021-08-06T05:46:01Z)
• A Review of the Vision-based Approaches for Dietary Assessment [4.347952928399708]
  肥満などの食生活にまつわる問題は現代社会ではますます懸念されている。 コンピュータによる食品認識は、食事摂取量を評価するための視覚に基づく自動手法を提供する。
  論文  参考訳（メタデータ） (2021-06-21T06:30:06Z)
• Personalized Food Recommendation as Constrained Question Answering over a Large-scale Food Knowledge Graph [16.58534326000209]
  本稿では,大規模食品知識ベース/グラフ(KBQA)上での制約付き質問応答として,食品推薦のための新たな問題定式化を提案する。 ユーザクエリからの要求に加えて、ユーザの食事嗜好と健康ガイドラインからのパーソナライズされた要求が統一された方法で処理される。 我々のアプローチは非パーソナライズドのアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2021-01-05T20:38:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。